matlab wsd,matlab

整理：杨艳蓉

预处理

输入路径和调用restplus的指令

打开Pipeline

数据文件所在地址

数据文件运行的起始文件

去除的数目可改动

时间层校正的层数与磁共振设备有关，需要根据磁共振技师提供的信息进行修改。

38为层数，可修改

中间的为等差数列，写法为[1:2:37 2:2:38]，写完后回车键可以自动生成

体素大小可以改变，如改为[4 4 4]

平滑的数值可以改变，如改为[8 8 8]

此处可以根据需要进行勾选

频率可改，如改为0.01~0.1

甚至可以改为0.001～0.01

完成运行会生成相应的文件夹，文件夹后面添加的字母可以看出来是运行到哪一步了，如果中途出错可以从已经运行完的文件夹开始。

ReHo要单独跑，但是是接着前面跑完的跑，选择起始文件的时候如图，必须勾选8 9 10，选择的是KCC-ReHo

按提示将要求删除的文件夹重新命名后运行

跑完结果如图(此处差着一个重命名的文件夹)

跑完结果如图(result文件夹里的结果)

这个文件夹中可以看到(头动？)大小排除的例子(如下图所示)(不知道这个排除是啥意思)

T检验

根据情况选择单样本T检验/两独立样本T检验/配对样本T检验

将mALFF文件提前分为试验组和对照组，一个一个选入。

两个对比文件如图，修改名字和存储路径

得到如图所示文件

校正

添加上一级处理好的mALFF_T.nii。选择合适的mask(一般选第二个)，选择填写校正的P值(值的大小可变，单边双边校正可选择)。选择文件的保存位置。

得到的结果如图，文件名中Z_BeforeThreshold和Z_ClusterThresholded是所有进行此步操作数据共有的。

图片处理和生成(图片用于论文撰写)

注：此处用的不是同一组数据，所以图片不一样

分析(校正)完数据后才能点击viewer，不然出来的数据将会是单个的数据的情况(如下图所示)

如图方式打开分析后的数据(文件名都为Z_ClusterThresholded开头)

选择下方的ch2，上方的空格会自动填充

第一个数字一般设为10 或者20，第三个数字设为5

设为10：如果我们前面的体素设置为3*3*3，那么只有大于3*3*3*10的才会在？？中被显示出来

可以看到峰值，此值的数据用于功能连接分析的时候的voxels wise或者ROI wise 的参数的填写。

写文章时选择有aal的报道

AAL全称为Anatomical Automatic Labeling，翻译过来就是解剖自动标记。是指全脑分区。

最左边的框可以分别显示冠状面、矢状面、横截面、以上三个面的脑的情况。按如图所示操作可以将矢状面的图排列为3*3的一个图组(如下所示)，其余面类推

保存模板和峰值参数。十字架必须移到如图所示有颜色显示的位置才能保存，不然会提示错误。保存后会出现两个文件，其中一个文件会以BinaryMask开头，这个文件可以在mango中打开，另一个文件则可以在功能连接中作为Voxel Wise 和ROI Wise的参数直接导入。

两个文件图如下，其中BinaryMask是自动生成的

点击左上角和右下角可以看到大脑的不同层面的情况，只到看到最佳层面时，取消勾选Crosshair以去掉图片中的十字架。

保存后的格式如图。

注：如果用mALFF得出的结果不好，可以用mKccReHo再算一遍，或者可以调整filter的值(调小？)再算一遍。应该也可以调整校正的P值再算一遍。

功能连接(这结果咋读？)

ROI wise是用来看两个脑区之间的连接情况，Voxel看一个区域和全脑的连接情况。

选择EPITARWSDCF所在文件夹为工作路径，选择开始文件为EPITARWSDCF，选择功能连接

按1234的步骤进行，如果选Voxel则只需要填写一组4中的参数，这个参数来源于Viewer中得出来的峰值。或者直接添加Viewer中保存的文件(见下图)。添加完之后运行即可。

或者如图(包括上图)添加viewer中处理后的文件，运行即可

问如果用ROI wise怎么填参数(参数的依据)？至少填两组，还是只能填两组？

Mango的使用

这个是老师做的一个小脑的模板(在没有添加overlay之前是没有小脑被圈出来那部分的)

GRETNA

输入命令

用resultplus中跑完的文件EPITARWSDCF跑

static correction选入右边框中后如图所示会出现三行，第二行为atlas，选中后下面会出来一个路径，双击这个路径或者atlas，会跳出一个atlas的文件夹，在文件夹中可选择脑分区的网络节点(一般用AAL116_3mm的，网络节点和毫米数太大容易跑的速度太慢而且占空间)。(网络节点中的数字代表脑分区的个数。这个节点可以自定义，甚至可以定义为只有两个分区。)

网络节点中的1mm和3mm的意思是体素1×1×1，3×3×3，写文章时有人会直接写体积1mm立方，或27mm立方

此处当改为true，运行即可

得到的结果如图

全部选中添加进来

按顺序输入1和2，两个数字分别代替不同组别。数字输入只要求有空格就行，不要求输入的状态和空格多少。有几个文件要输入几个数字，否则点确定后无效。

从左边栏中将左下方的项目选入右边栏中后呈如图所示，右边框中的数据是可以更改的。(一般用默认就行)

不要忘记选择存储位置

最常用的参数如下：

Global - Efficiency

Nodal - Clustering Coefficient

Nodal - Shortest Path Length

Nodal - Local Efficiency

更改检验类型，更改校正方法(当检验例数较少时，可以将校正方法改为none)，更改p值大小(当用0.01运算后没有结果的时候可以将P值改大)，修改保存路径，选择两个组，Covariates中可以添加年龄、性别、头动等参数(.txt文件)在此回归掉。

结果如图所示。其中第三个文件(net)里面是116*116的矩阵(大小与之前选择的模板有关)，最后一个文件是一个阈值。

输入指令

打开brainnet之后弹出窗口，在surface file中输入的是点击浏览键弹出的默认文件(找到文件所在文件夹)，在Data file(node)中输入的是AAL_116.node(与之前步骤运用的节点参数有关，这个节点的文件可以自己制作)，Data file(edge)中输入的是上一步骤跑出的第三个文件夹，注意文件夹的后缀要改为edge(如下图)，点击ok.

AAL116中其实是一些脑区的坐标和名称等东西，故可以自己制作模板。

选full view 可以出来的是冠状位、矢状位、横截位的图，如果只想看其中一个位置可以选择single view。

如图选出来就是彩色的节点。threshold可以改动(什么情况下改？)

最好设置为colormap 否则出来的结果如图

提取兴趣区的信号

找到mALFF所在文件夹，选中mALFF

此处的填写和功能连接处的要求一样

记得修改保存路径

选择的文件可以是ReHo文件，可以是其他文件。

结果如图，其中最后一个文件夹中有40个数据(受试者有多少，数据就有多少)

转化文件和排序

这个可以转化文件，将一个文件转化为两个文件，一个是表头文件一个是数据

东方医院出来的数据需要用这个排序，在排序之前需要把IMA删去

排序功能像和结构像，排序完之后才能转换格式，不能不排序就直接转换

转换格式用的是什么？xjview吗？

无论是计数差异还是相关性都必须做校正

FDR或者bonferrion校正

输入指令

workspace会出现数据包

注意.mat的数据是可以直接下载的(用load)

点开看到两种数据，一种是SRS_**_T的，一种是标明脑区的。

老师说前一种数据是T转换之后的分数(什么是T转换？)

后面的程序中把前一种数据和后一种数据分为两组。好像分别是X和Y。得出的结果如下

这个图片在行和列交叉处会有P值和相关系数，那么这个是说明行标目的评分与列标目的评分之间有无差别有无相关性？这个好像不对吧

p值应该是在同一个脑区，不同处理条件下得出的数值进行比较。所以这里的P值是在干什么？

当然也有那种组间比较的。就是整体比较之后有差别，然后进行两两比较

但是这个前后两种数据相差那么大，不太像是干预前后的数据呀

brainnet下载网站

Dynamical intrinsic functional architecture of the brain during absence seizures

论文

matlab wsd,matlab

整理：杨艳蓉

预处理

输入路径和调用restplus的指令

打开Pipeline

数据文件所在地址

数据文件运行的起始文件

去除的数目可改动

时间层校正的层数与磁共振设备有关，需要根据磁共振技师提供的信息进行修改。

38为层数，可修改

中间的为等差数列，写法为[1:2:37 2:2:38]，写完后回车键可以自动生成

体素大小可以改变，如改为[4 4 4]

平滑的数值可以改变，如改为[8 8 8]

此处可以根据需要进行勾选

频率可改，如改为0.01~0.1

甚至可以改为0.001～0.01

完成运行会生成相应的文件夹，文件夹后面添加的字母可以看出来是运行到哪一步了，如果中途出错可以从已经运行完的文件夹开始。

ReHo要单独跑，但是是接着前面跑完的跑，选择起始文件的时候如图，必须勾选8 9 10，选择的是KCC-ReHo

按提示将要求删除的文件夹重新命名后运行

跑完结果如图(此处差着一个重命名的文件夹)

跑完结果如图(result文件夹里的结果)

这个文件夹中可以看到(头动？)大小排除的例子(如下图所示)(不知道这个排除是啥意思)

T检验

根据情况选择单样本T检验/两独立样本T检验/配对样本T检验

将mALFF文件提前分为试验组和对照组，一个一个选入。

两个对比文件如图，修改名字和存储路径

得到如图所示文件

校正

添加上一级处理好的mALFF_T.nii。选择合适的mask(一般选第二个)，选择填写校正的P值(值的大小可变，单边双边校正可选择)。选择文件的保存位置。

得到的结果如图，文件名中Z_BeforeThreshold和Z_ClusterThresholded是所有进行此步操作数据共有的。

图片处理和生成(图片用于论文撰写)

注：此处用的不是同一组数据，所以图片不一样

分析(校正)完数据后才能点击viewer，不然出来的数据将会是单个的数据的情况(如下图所示)

如图方式打开分析后的数据(文件名都为Z_ClusterThresholded开头)

选择下方的ch2，上方的空格会自动填充

第一个数字一般设为10 或者20，第三个数字设为5

设为10：如果我们前面的体素设置为3*3*3，那么只有大于3*3*3*10的才会在？？中被显示出来

可以看到峰值，此值的数据用于功能连接分析的时候的voxels wise或者ROI wise 的参数的填写。

写文章时选择有aal的报道

AAL全称为Anatomical Automatic Labeling，翻译过来就是解剖自动标记。是指全脑分区。

最左边的框可以分别显示冠状面、矢状面、横截面、以上三个面的脑的情况。按如图所示操作可以将矢状面的图排列为3*3的一个图组(如下所示)，其余面类推

保存模板和峰值参数。十字架必须移到如图所示有颜色显示的位置才能保存，不然会提示错误。保存后会出现两个文件，其中一个文件会以BinaryMask开头，这个文件可以在mango中打开，另一个文件则可以在功能连接中作为Voxel Wise 和ROI Wise的参数直接导入。

两个文件图如下，其中BinaryMask是自动生成的

点击左上角和右下角可以看到大脑的不同层面的情况，只到看到最佳层面时，取消勾选Crosshair以去掉图片中的十字架。

保存后的格式如图。

注：如果用mALFF得出的结果不好，可以用mKccReHo再算一遍，或者可以调整filter的值(调小？)再算一遍。应该也可以调整校正的P值再算一遍。

功能连接(这结果咋读？)

ROI wise是用来看两个脑区之间的连接情况，Voxel看一个区域和全脑的连接情况。

选择EPITARWSDCF所在文件夹为工作路径，选择开始文件为EPITARWSDCF，选择功能连接

按1234的步骤进行，如果选Voxel则只需要填写一组4中的参数，这个参数来源于Viewer中得出来的峰值。或者直接添加Viewer中保存的文件(见下图)。添加完之后运行即可。

或者如图(包括上图)添加viewer中处理后的文件，运行即可

问如果用ROI wise怎么填参数(参数的依据)？至少填两组，还是只能填两组？

Mango的使用

这个是老师做的一个小脑的模板(在没有添加overlay之前是没有小脑被圈出来那部分的)

GRETNA

输入命令

用resultplus中跑完的文件EPITARWSDCF跑

static correction选入右边框中后如图所示会出现三行，第二行为atlas，选中后下面会出来一个路径，双击这个路径或者atlas，会跳出一个atlas的文件夹，在文件夹中可选择脑分区的网络节点(一般用AAL116_3mm的，网络节点和毫米数太大容易跑的速度太慢而且占空间)。(网络节点中的数字代表脑分区的个数。这个节点可以自定义，甚至可以定义为只有两个分区。)

网络节点中的1mm和3mm的意思是体素1×1×1，3×3×3，写文章时有人会直接写体积1mm立方，或27mm立方

此处当改为true，运行即可

得到的结果如图

全部选中添加进来

按顺序输入1和2，两个数字分别代替不同组别。数字输入只要求有空格就行，不要求输入的状态和空格多少。有几个文件要输入几个数字，否则点确定后无效。

从左边栏中将左下方的项目选入右边栏中后呈如图所示，右边框中的数据是可以更改的。(一般用默认就行)

不要忘记选择存储位置

最常用的参数如下：

Global - Efficiency

Nodal - Clustering Coefficient

Nodal - Shortest Path Length

Nodal - Local Efficiency

更改检验类型，更改校正方法(当检验例数较少时，可以将校正方法改为none)，更改p值大小(当用0.01运算后没有结果的时候可以将P值改大)，修改保存路径，选择两个组，Covariates中可以添加年龄、性别、头动等参数(.txt文件)在此回归掉。

结果如图所示。其中第三个文件(net)里面是116*116的矩阵(大小与之前选择的模板有关)，最后一个文件是一个阈值。

输入指令

打开brainnet之后弹出窗口，在surface file中输入的是点击浏览键弹出的默认文件(找到文件所在文件夹)，在Data file(node)中输入的是AAL_116.node(与之前步骤运用的节点参数有关，这个节点的文件可以自己制作)，Data file(edge)中输入的是上一步骤跑出的第三个文件夹，注意文件夹的后缀要改为edge(如下图)，点击ok.

AAL116中其实是一些脑区的坐标和名称等东西，故可以自己制作模板。

选full view 可以出来的是冠状位、矢状位、横截位的图，如果只想看其中一个位置可以选择single view。

如图选出来就是彩色的节点。threshold可以改动(什么情况下改？)

最好设置为colormap 否则出来的结果如图

提取兴趣区的信号

找到mALFF所在文件夹，选中mALFF

此处的填写和功能连接处的要求一样

记得修改保存路径

选择的文件可以是ReHo文件，可以是其他文件。

结果如图，其中最后一个文件夹中有40个数据(受试者有多少，数据就有多少)

转化文件和排序

这个可以转化文件，将一个文件转化为两个文件，一个是表头文件一个是数据

东方医院出来的数据需要用这个排序，在排序之前需要把IMA删去

排序功能像和结构像，排序完之后才能转换格式，不能不排序就直接转换

转换格式用的是什么？xjview吗？

无论是计数差异还是相关性都必须做校正

FDR或者bonferrion校正

输入指令

workspace会出现数据包

注意.mat的数据是可以直接下载的(用load)

点开看到两种数据，一种是SRS_**_T的，一种是标明脑区的。

老师说前一种数据是T转换之后的分数(什么是T转换？)

后面的程序中把前一种数据和后一种数据分为两组。好像分别是X和Y。得出的结果如下

这个图片在行和列交叉处会有P值和相关系数，那么这个是说明行标目的评分与列标目的评分之间有无差别有无相关性？这个好像不对吧

p值应该是在同一个脑区，不同处理条件下得出的数值进行比较。所以这里的P值是在干什么？

当然也有那种组间比较的。就是整体比较之后有差别，然后进行两两比较

但是这个前后两种数据相差那么大，不太像是干预前后的数据呀

brainnet下载网站

Dynamical intrinsic functional architecture of the brain during absence seizures

论文